Создание AI-диспетчера: автоматизация диспетчеризации и SLA

AI-диспетчер — цифровой сотрудник для координации задач

Диспетчерская служба часто тонет в заявках. Операторы вручную перебирают почту и чаты, назначают исполнителей на глаз. SLA постоянно срываются. Такая ситуация знакома многим. Мы сталкивались с ней в телекоме, где ежедневно обрабатывалось 800 заявок на технические выезды. Ручная диспетчеризация не справлялась: среднее время назначения задачи составляло 12 минут, перегрузка отдельных инженеров достигала 30%, а соблюдение SLA держалось на уровне 71%. После внедрения AI-диспетчера время назначения сократилось до 45 секунд, соблюдение SLA выросло до 89%, а нагрузка на инженеров выровнялась. Модель классификации дообучается на ваших исторических данных, что повышает точность с каждым месяцем.

Наш цифровой диспетчер автоматически принимает входящие заявки, классифицирует их, назначает исполнителей с учётом загрузки и компетенций, отслеживает выполнение и эскалирует просроченные задачи. Всё это — без участия человека. Мы внедряем такие системы под ключ: от настройки классификатора до интеграции с вашей CRM.

Как AI-диспетчер маршрутизирует заявки?

Ядро системы — интеллектуальный intake и маршрутизация. Процесс состоит из трёх шагов: классификация заявки, скоринг исполнителей, мониторинг выполнения. Рассмотрим на примере кода:

from openai import AsyncOpenAI
from pydantic import BaseModel
from typing import Literal, Optional

client = AsyncOpenAI()

class TaskClassification(BaseModel):
    category: str
    priority: Literal["critical", "high", "normal", "low"]
    required_skill: str
    estimated_duration_minutes: int
    location: Optional[str]
    sla_hours: float
    special_requirements: list[str]

class DispatcherAgent:

    def __init__(self, team_db, task_db):
        self.team_db = team_db
        self.task_db = task_db

    async def process_incoming_request(self, request: dict) -> dict:
        cls = await client.beta.chat.completions.parse(
            model="gpt-4o",
            messages=[{
                "role": "system",
                "content": "Классифицируй входящую заявку для диспетчеризации. Определи приоритет, категорию, необходимые компетенции и ожидаемое время выполнения."
            }, {
                "role": "user",
                "content": f"Заявка: {request['description']}\nОт: {request['client']}\nКонтакт: {request['contact']}"
            }],
            response_format=TaskClassification,
            temperature=0,
        )
        task_class = cls.choices[0].message.parsed
        assignee = await self.select_best_assignee(task_class, request.get("location"))
        task = await self.task_db.create({
            "title": request.get("title", f"Заявка от {request['client']}"),
            "description": request["description"],
            "category": task_class.category,
            "priority": task_class.priority,
            "required_skill": task_class.required_skill,
            "assignee_id": assignee["id"] if assignee else None,
            "sla_deadline": datetime.now() + timedelta(hours=task_class.sla_hours),
            "status": "assigned" if assignee else "pending",
        })
        if assignee:
            await self.notify_assignee(assignee, task)
        return {"task_id": task["id"], "assignee": assignee, "sla": task["sla_deadline"]}

    async def select_best_assignee(self, task, location):
        available = await self.team_db.get_available(skill=task.required_skill, shift="current")
        if not available:
            return None
        scored = []
        for person in available:
            score = 100
            current_load = await self.task_db.count_active(person["id"])
            score -= current_load * 10
            if location and person.get("current_location"):
                distance = calculate_distance(location, person["current_location"])
                score -= min(distance / 10, 30)
            if task.required_skill in person.get("specializations", []):
                score += 20
            scored.append({**person, "score": score})
        return max(scored, key=lambda x: x["score"]) if scored else None

На первом шаге модель GPT-4o анализирует описание заявки и извлекает категорию, приоритет, требуемые навыки. Алгоритм скоринга использует базу 100 баллов: штраф за загрузку (10 баллов за активную задачу) и дистанцию (до 30 баллов), бонус за специализацию (20 баллов). Это обеспечивает оптимальное распределение с учётом текущей ситуации.

Почему SLA-мониторинг критичен?

Любая задача имеет Service Level Agreement (SLA) — срок выполнения. Если его нарушить, страдает репутация бизнеса. Наш AI-диспетчер не просто создаёт задачи — он следит за ними в реальном времени. Каждые 15 минут система проверяет оставшееся время до дедлайна. Если до SLA меньше часа — отправляется напоминание исполнителю, меньше 30 минут — срочное уведомление, при нарушении — эскалация руководителю. Код мониторинга:

class SLAMonitor:

    async def check_and_escalate(self):
        tasks = await self.task_db.get_active_tasks()
        now = datetime.now()
        for task in tasks:
            sla_deadline = task["sla_deadline"]
            time_to_sla = (sla_deadline - now).total_seconds() / 3600
            if time_to_sla < 0:
                await self.handle_sla_breach(task)
            elif time_to_sla < 0.5:
                await self.send_urgent_reminder(task)
            elif time_to_sla < 1 and task["status"] == "assigned":
                await self.escalate_to_supervisor(task, reason="task_not_started")

    async def handle_sla_breach(self, task):
        breach_message = await client.chat.completions.create(
            model="gpt-4o-mini",
            messages=[{
                "role": "system",
                "content": "Создай сообщение об эскалации нарушения SLA для руководителя. Краткое, конкретное."
            }, {
                "role": "user",
                "content": f"Задача: {task['title']}, нарушение SLA на {abs(int((datetime.now() - task['sla_deadline']).total_seconds() / 60))} мин"
            }],
        )
        await slack_client.post_message(
            channel="#dispatcher-escalations",
            text=f"🚨 SLA нарушен:\n{breach_message.choices[0].message.content}",
        )
        await self.task_db.update(task["id"], {"sla_status": "breached"})

Как обучить классификатор заявок?

Для обучения классификатора мы используем ваши исторические данные. Этапы:

1. Сбор датасета: не менее 500 размеченных заявок.
2. Предобработка: очистка, лемматизация.
3. Тюнинг модели: fine-tuning GPT-4o или другого LLM на задачах классификации.
4. Валидация: проверка accuracy на отложенной выборке (не менее 85%).
5. Развёртывание: загрузка модели в SageMaker или Vertex AI.

Какие результаты показал AI-диспетчер в телекоме?

Из нашей практики: телеком-оператор с полевыми инженерами, 800 заявок на технические выезды в день. До внедрения — ручное распределение, 12 минут на назначение задачи, 71% соблюдения SLA. После — AI-диспетчер.

AI-диспетчер назначает задачи в 16 раз быстрее человека, а соблюдение SLA повышается на 18 процентных пунктов. Система принимает заявки через чат, email, API CRM; классифицирует их по 8 типам (подключение, ремонт, замена оборудования); назначает инженера с учётом навыков, загрузки, геолокации; контролирует SLA (4 ч для критических, 24 ч для стандартных); автоматически напоминает и эскалирует просроченные задачи.

Что входит в разработку AI-диспетчера

• Классификатор заявок: настройка категорий, приоритетов, необходимых навыков
• Алгоритм назначения: скоринг исполнителей по загрузке, навыкам, геолокации
• SLA-мониторинг: автоматические проверки, напоминания, эскалации
• Интеграция: с CRM, мессенджерами (Slack/Telegram), API уведомлений
• Документация: описание архитектуры, инструкции для администратора
• Обучение: тренировка модели классификации на ваших данных
• Поддержка: гарантийное обслуживание 3 месяца после запуска

Сроки внедрения

Свяжитесь с нами, чтобы обсудить внедрение AI-диспетчера в вашу службу. Получите консультацию по оптимизации диспетчеризации. Наш опыт: сертифицированные инженеры, работа с крупными телеком-операторами.

Практический разбор LLM: fine-tuning, RAG, агенты, деплой

Модель GPT‑4 или Claude 3.5 Sonnet через публичное API — не решение, а просто инструмент. Когда приходит требование «сделать как ChatGPT, но на наших данных», за ним стоит реальная инженерная задача: от настройки промптов до обучения 70B‑модели на собственной инфраструктуре. Разработка решений на базе LLM под ключ — это сложный стек, и мы занимаемся этим более 5 лет. За это время реализовано свыше 20 проектов в области генеративного AI: от RAG‑систем для юридических департаментов до кастомных агентов для техподдержки. Где именно находится ваша задача — зависит от данных, latency‑требований, бюджета и того, насколько критична конфиденциальность.

Типичная ситуация: клиент уже попробовал ChatGPT, но результаты нестабильны — то отвечает точно, то галлюцинирует. Либо нужна интеграция в корпоративный портал с соблюдением политик безопасности. Разберём каждый слой стека в деталях — от RAG до production‑деплоя.

Почему RAG‑системы ломаются и как это исправить?

RAG (Retrieval‑Augmented Generation) выглядит просто: нашли релевантные документы, положили в контекст, модель ответила. На практике сбоит в нескольких местах.

Chunking без перекрытия. Классическая ошибка: chunk_size=512, overlap=0. Если ответ лежит на границе двух чанков, retrieval не найдёт ни одного с достаточной уверенностью. Решение: overlap 15–25% от chunk_size, а лучше sentence‑aware splitting через spaCy или NLTK, а не наивное разбиение по символам.

Плохой embedder. Текст‑embedding‑ada‑002 — хорош для общего случая, но на юридических или медицинских текстах проигрывает специализированным моделям: E5‑large‑v2, BGE‑M3 или fine‑tuned sentence‑transformers на доменных данных. Разница в Recall@5 может составлять 15–25%.

Отсутствие re‑ranking. Векторный поиск оптимизирован по скорости, не по релевантности. Cross‑encoder re‑ranker (ms‑marco‑MiniLM‑L‑6‑v2, bge‑reranker‑large) после первичного retrieval поднимает точность топ‑3 при приемлемой задержке (+50–150 ms). Это часто важнее улучшения embedding‑модели.

Гибридный поиск. Только dense векторы плохо работают на точных запросах: имена, артикулы, коды. BM25 (sparse) хорошо находит точные совпадения, но не понимает семантику. Гибрид через RRF (Reciprocal Rank Fusion) — оптимальный компромисс. Qdrant, Weaviate и pgvector 0.7+ поддерживают гибридный поиск нативно.

Когда стоит fine‑tune, а не промпт‑инжиниринг?

Промпт‑инжиниринг решает ~70% задач адаптации LLM под домен. Оставшиеся 30% требуют дообучения. Три признака: модель игнорирует специфический формат вывода даже при детальном описании в промпте; задача требует глубокого знания специализированной лексики (медицина, право); нужно значительно снизить затраты на токены, заменив большую модель меньшей специализированной.

LoRA и QLoRA — стандарт для SFT. LoRA добавляет trainable low‑rank матрицы к attention‑слоям. Типичная конфигурация для Llama‑3 8B: r=64, lora_alpha=128, target_modules=["q_proj","v_proj","k_proj","o_proj"] — обучаемых параметров ~0.8%, обучение на одной A100 40GB. QLoRA добавляет 4‑битную квантизацию (NF4) и позволяет fine‑tune 70B модель на двух A100 40GB, хотя скорость падает вдвое по сравнению с bf16.

DPO вместо RLHF. Direct Preference Optimization требует только пары (chosen, rejected), а не скалярные reward‑сигналы. DPOTrainer из библиотеки trl (Hugging Face) реализует это несколькими десятками строк.

Типичная ошибка. Датасет из 500 примеров, 5 эпох, validation loss 0.8 — кажется норм. Но на тесте модель деградировала на общих инструкциях. Причина: catastrophic forgetting. Решение — добавить 10–20% общих instruction‑following примеров (Alpaca, FLAN) в обучающую выборку, чтобы не разрушить исходные способности.

Как выбрать базовую модель: 8B или 70B?

Для большинства задач fine‑tuning 8B модели достаточно. 70B нужен, когда требуется глубокое рассуждение или baseline 8B не достигает нужного качества даже после дообучения. Стоимость инференса Llama‑3 8B через vLLM на A100 — около $0.001/1K токенов, что в 15 раз дешевле GPT‑4.

Что даёт PagedAttention в production?

vLLM — первый выбор для serving open‑source моделей. PagedAttention — ключевое техническое решение: KV‑cache управляется как virtual memory в ОС, без фрагментации. Это даёт throughput в 2–4 раза выше по сравнению с наивным HuggingFace Transformers inference. Документация vLLM подтверждает: continuous batching и PagedAttention — стандарт для высоконагруженных LLM‑сервисов.

Типичные числа на A100 80GB для Llama‑3 8B (bf16): 400–600 req/s, P50 latency 200–400ms, P99 latency 600–900ms при concurrency 64. Для 70B на двух A100 с tensor parallelism: 80–120 req/s, P99 latency 1.5–2.5s. Квантизация AWQ или GPTQ снижает потребление памяти в 2 раза при потере качества в пределах 1–3%.

Мультиагентные системы

Агенты — LLM с доступом к инструментам: поиск, выполнение кода, запросы к API, работа с БД. Основные паттерны:

• ReAct (Reason + Act): модель рассуждает → выбирает инструмент → наблюдает результат → снова рассуждает. LangChain и LlamaIndex реализуют из коробки.
• Multi‑agent orchestration: несколько специализированных агентов с координатором сверху. Пример: coordinator → researcher (поиск + summarization) → coder (генерация и исполнение кода) → critic (проверка). Инструменты: AutoGen (Microsoft), CrewAI, кастомная реализация на LangGraph.

В продакшене агентные системы недетерминированы. Обязательные guardrails, лимиты шагов, логирование каждого шага, human‑in‑the‑loop для критических действий.

Как мы работаем: этапы, сроки, результат

Что входит в работу

Мы передаём:

• Техническую документацию (model card, конфиги, инструкции по развёртыванию)
• Доступ к инфраструктуре (репозиторий с кодом, обученные веса)
• 1 месяц поддержки после деплоя (консультации, правки по багам)
• Обучение команды заказчика (2–3 занятия по эксплуатации системы)

Сроки: базовый RAG‑прототип — 1–2 недели. Fine‑tuning с данными заказчика — 3–6 недель (с учётом подготовки данных). Production‑система с мониторингом и переобучением — 2–4 месяца. Стоимость рассчитывается индивидуально, зависит от объёма данных, сложности модели и требований к инфраструктуре.

Хотите оценить свой проект? Оставьте заявку — мы подготовим предварительное резюме за 1–2 рабочих дня. Или получите консультацию по выбору подхода: RAG, fine‑tuning или гибрид — расскажем, что подойдёт именно вам.